Stand: April 2026
Die aktuellen Frontier-Modelle – GPT-4o (OpenAI), Gemini 2.5 Pro (Google) und Claude 4 (Anthropic) – nehmen Text, Bild, Audio und Video als Eingabe und geben ebenso multimodal aus. Für Schulen eröffnet das Szenarien, die bisher nur mit spezialisierter Software möglich waren: Feedback auf Präsentationen, Protokoll aus Unterrichtsaudio, Skizzenkommentar, automatische Untertitel für Barrierefreiheit. Diese Seite sortiert acht schulrelevante Szenarien und die jeweils kritischen Datenschutz-Fragen.
Was technisch geht · 8 Szenarien · Datenschutz & Bild-/Tonrechte · Barrierefreiheit
Multimodale KI verarbeitet systematisch sensiblere Daten als Text-KI. Drei Ebenen müssen stimmen, bevor ein Szenario produktiv geht:
Zustimmung von Lernenden / Erziehungsberechtigten schriftlich einholen. Bei Bild und Ton in der Schweiz zusätzlich das Recht am eigenen Bild (Art. 28 ZGB) beachten, in DE/AT die Persönlichkeitsrechte / DSGVO Art. 6.
Welcher Anbieter bekommt das Material, wo wird es gespeichert, wie lange? EU-Hosting mit Auftragsbearbeitungsvertrag bevorzugt. Bei kostenfreien Endnutzerdiensten gilt oft das Gegenteil.
Das hochgeladene Material wird nur für die definierte pädagogische Aufgabe genutzt – nicht für Modelltraining. Bei den meisten API- und Enterprise-Zugängen ist Opt-out möglich; bei Endnutzer-Apps oft nicht. On-Prem-Alternativen prüfen.
Vorlage für die Zustimmung: Nutzungsvereinbarung mit multimodalem Zusatz.
Der größte unbestrittene Nutzen multimodaler KI in Schulen ist der Abbau von Zugangsbarrieren.